دوره 3، شماره 1 - ( بهار 1395 )                   جلد 3 شماره 1 صفحات 9-1 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mirzaei M, FiroozAbadi M. The Impact of Data Mining on Prediction of Renal Transplantation Survival and Identifying the Effective Factors on the Transplanted Kidney. jhbmi 2016; 3 (1) :1-9
URL: http://jhbmi.ir/article-1-136-fa.html
میرزایی محترم، فیروزآبادی محمد. کاربرد داده کاوی در پیش بینی بقای پیوند کلیه و شناسایی متغیرهای تأثیرگذار در بقای کلیه پیوندی. مجله انفورماتیک سلامت و زیست پزشکی. 1395; 3 (1) :1-9

URL: http://jhbmi.ir/article-1-136-fa.html


دکترای مهندسی پزشکی، استاد، گروه انفورماتیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران.
چکیده:   (10437 مشاهده)

مقدمه: نارسایی مزمن کلیه از بیماری‌های شایع در ایران و جهان است و پیوند کلیه روش درمانی مناسب و مؤثرترین راهبرد در بین بیماران مبتلا به نارسایی مزمن کلیه است. این مطالعه جهت پیش‌بینی بقای کلیه پیوندی و شناسایی عوامل مؤثر بر آن و ارائه یک مدل به منظور صحت پیش‌بینی بالاتر انجام شد.

روش: مطالعه حاضر به روش گذشته‌نگر بر روی داده‌های 423 مورد پرونده بیماران پیوند کلیه در سال‌های 90-1385 در مرکز آموزشی-درمانی افضلی‌پور شهر کرمان انجام گرفت. از طبقه‌بند‌های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان جهت پیش بینی بقای پیوند کلیه و از همجوشی اطلاعات برای ترکیب نتایج طبقه‌بندهای ذکر شده، به منظور طراحی مدلی با صحت بالاتر استفاده شد. همچنین، برای شناسایی متغیرهای تأثیرگذار در بقای کلیه پیوندی از الگوریتم ژنتیک و جهت تحلیل داده‌ها و اجرای الگوریتم‌ها از نرم افزارهای Clementine 12 و Weka استفاده شد.

نتایج: صحت حاصل از سه روش شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان به ترتیب برابر با 94 ، 92و 92 درصد و صحت به دست آمده از روش همجوشی اطلاعات برابر 95/74درصد بوده است. همچنین، ویژگی‌های شاخص توده بدنی و جنسیت گیرنده، سن دهنده، همسانی گروه خونی دهنده و گیرنده و سابقه پیوند کلیه توسط الگوریتم ژنتیک به عنوان متغیر‌های تأثیرگذار در بقای پیوند کلیه شناسایی شد که صحت پیش‌بینی مدل پیشنهادی با این تعداد ویژگی 91/67درصد بوده است.

نتیجه‌گیری: با استفاده از همجوشی اطلاعات، می‌توان صحت نتایج طبقه‌بندها را افزایش داد. همچنین، الگوریتم ژنتیک روش مناسبی جهت شناسایی ویژگی‌های بهینه است.

متن کامل [PDF 556 kb]   (4147 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: تخصصي
دریافت: 1395/3/11 | پذیرش: 1395/3/27

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله انفورماتیک سلامت و زیست پزشکی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Health and Biomedical Informatics

Designed & Developed by : Yektaweb